РАЗДЕЛ 2
МЕТОДОЛОГИЧЕСКИЕ ПРИНЦИПЫ ОРГАНИЗАЦИИ ОБРАЗНЫХ НЕЙРОПОДОБНЫХ СЕТЕЙ
2.1. Принципы реализации оптоэлектроннной сети глаз-процессорного типа
Разработка эффективных методов и средств цифровой обработки сигналов и изображений является решающей задачей при создании современных информационных сред где автором придложенно на [44]. Интенсивное увеличение объема информации, связанное с обработкой, анализом и распознаванием в режиме реального времени, бурный рост нейросетевых технологий, а также расширения возможностей современной элементной базы, оптоэлектроники и нанотехнологий в частности, стимулируют создания новых алгоритмических и организационных подходов в области обработки и передачи массивов данных где автором придложенно на [82, 86].
Примером такого нетрадиционного подхода является способ глаз-процессорной обработки сигналов и изображений [48], что базируется на использовании логико-временных функций и используется для распознавания зрительных образов системами поиска, наблюдения, поведения, биомедицинского диагностирования и технического контроля. Формирование универсальной ключ-функции признаков изображения на основе преобразования временных параметров объекта распознавания позволяет обрабатывать любые типы сигналов при чрезвычайно высоком уровне параллелизма процесса. Математический аппарат, который лежит в основе глаз-процессорного способа обработки сигналов и изображений, использует простые в описании, универсальные и пригодные к трансформированию логико-временные функции, что, в общем, дает высокую скорость и точность обработки большого объема информации одновременно [48].
Кроме того, актуальность рассмотрения именно этого подхода основывается на качественно новом содержании результата, который предлагает способ глаз-процессорной обработки информации. Данный способ разрешает синтезировать систему разных типов признаков изображения, а также учесть динамику объекта распознавания [51]. возможности организации оптимальной базы знаний, которая способна эволюционировать, значительно повышает достоверность распознавания изображений в реальном времени [44].
Способ глаз-процессорной обработки изображений и сигналов базируется на способе параллельного суммирования путем выделения общей амплитудно-временной части для любого типа входных сигналов. В данном контексте под общей амплитудно-временной частью понимают минимальный временной интервал логико-временной функции с одинаковой амплитудой [48].
Итак, в результате предыдущей обработки параметры изображения превращают в логико-временные функции (ЛВФ), которые в дальнейшем обрабатывают параллельно с выделением качественных и количественных признаков, что можно рассматривать как обработку соответственно в качественном и количественном каналах глаз-процессора.
Заключительным этапом глаз-процессорной обработки является анализ и сравнения полученных данных с раньше известными и записанными в памяти базы знаний эталонными образцами. При этом в каналах качественной обработки из логико-временных функций синтезируют соответствующие признаки объекта, а в каналах количественной обработки - коммутационные коды признаков, после чего формируются операторы влияния и целевой кодер.
Результатом глаз-процессорной обработки изображения выступает универсальная ключ-функция, при сравнении которой с эталонами базы знаний и анализе начальное изображение распознается.
Изложенные выше принципы возможно реализовать с применением быстродействующих универсальных ЭВМ с классической архитектурой: устройства ввода-вывода, центральный процессор, ОЗУ, ВЗУ, каналы обмена. Однако для большого класса задач этот путь неприемлем.
Актуальным является применение оптоэлектронных принципов, методов и средств, которые сочетают в себе одновременно устройство ввода, хранения и параллельной обработки информации.
Общая структурная схема для реализации этих функций представлена на рис. 2.1 и содержит блок датчиков (1), модули предварительной обработки (2), модули - корреляторы (3), модули эталонов фрагментов (4), модули принятия решений (5) и модуль адаптивного принятия решений (6) .
Рис. 2.1. Структурная схема нейроподобной сети "глаз-процессорного" типа
Все модули выполнены на оптоэлектронной базе в виде решеток [3], содержащих N M ячеек (однородные среды), которые соответствуют сечениям в пространстве признаков. Каждая решетка совмещает в себе функции отображения, хранения и обработки информации. Модули предварительной обработки изображений 2 выполняют задачи по исходной обработке входных изображений. Модули эталонов - фрагментов выполняют задачи по хранению, записи, считыванию, сдвигу информации и представляют собой трехмерные однородные среды размером Lnm. Модули - корреляторы (3) производят параллельное для всех точек вычисление корреляционной функции, ее запоминание и выдачу в блок принятия решений (4).
Анализатор для выделения признаков логико-временных данных.
На рис. 2.2 приведен вариант аппаратной реализации анализатора для выделения признаков (=, >, <) в массиве данных, которые представленные в логико-временном коде (ЛВК). Он содержит группу из n регистров и соответствующих блоков признаков, а также узел управления.
Анализатор работает таким образом. При наличии соответствующего сигнала на входе разрешения записи устройства во всех регистрах происходит запись данных А1, .., Аn параллельно по разрядам в единичном нормальном коде, то есть в режиме сдвига информации вправо. Причем во всех регистрах записывается входная информация в прямом ЛВК [54]. После этого возможное выполнение сравнения массива данных А1, .., Аn в ЛВК, которые зафиксированы в соответствующих регистрах.
Сравнения чисел выполняется с определением разницы между наименьшим операндом и другими операндами непосредственно на регистрах, где сохраняются логико-временные коды, за счет параллельного считывания (сдвига влево) информации [54,55,56] в отличие от